CTC教育サービスはコラム「グーグルのクラウドを支えるテクノロジー ＞ 第56回 ハイパーパラメーターチューニングの新手法（パート４）」を公開しました。
＃＃＃
前回に引き続き、2018年に公開された論文「Population Based Training as a Service」、および、それに関連する2017年の論文「Population Based Training of Neural Networks」を紹介します。今回は、PBTの適用例に加えて、PBTのクラウドサービス化について説明します。
◆GANへのPBTの適用例
前回は、2つ目の論文「Population Based Training of Neural Networks」から、強化学習に対するPBTの適用例を紹介しました。今回は、同じ論文から、GAN（画像生成）に対する適用例を紹介します。GAN（Generative Adversarial Networks）は、画像生成に用いられるディープラーニングの手法で、画像を生成するGeneratorモデルと、トレーニング用画像とその他の画像を識別するDiscriminatorモデルを同時に学習するという特徴があります。Generatorは、「Discriminatorがトレーニング用画像と（誤って）判定する画像を生成する」ことをゴールとして、Discriminatorは、「Generatorが生成した画像をその他の画像であると正しく判定する」ことをゴールにします。これにより、Generatorは、トレーニング用画像に非常に近い画像が生成できるようになります。
この続きは以下をご覧ください
(リンク »)
前回に引き続き、2018年に公開された論文「Population Based Training as a Service」、および、それに関連する2017年の論文「Population Based Training of Neural Networks」を紹介します。今回は、PBTの適用例に加えて、PBTのクラウドサービス化について説明します。
◆GANへのPBTの適用例
前回は、2つ目の論文「Population Based Training of Neural Networks」から、強化学習に対するPBTの適用例を紹介しました。今回は、同じ論文から、GAN（画像生成）に対する適用例を紹介します。GAN（Generative Adversarial Networks）は、画像生成に用いられるディープラーニングの手法で、画像を生成するGeneratorモデルと、トレーニング用画像とその他の画像を識別するDiscriminatorモデルを同時に学習するという特徴があります。Generatorは、「Discriminatorがトレーニング用画像と（誤って）判定する画像を生成する」ことをゴールとして、Discriminatorは、「Generatorが生成した画像をその他の画像であると正しく判定する」ことをゴールにします。これにより、Generatorは、トレーニング用画像に非常に近い画像が生成できるようになります。
この続きは以下をご覧ください
(リンク »)
本プレスリリースは発表元企業よりご投稿いただいた情報を掲載しております。
お問い合わせにつきましては発表元企業までお願いいたします。
お問い合わせにつきましては発表元企業までお願いいたします。
